Descrição
Reconhecimento de Padrões e Aprendizado de Máquina é um livro didático que oferece uma introdução abrangente aos campos de reconhecimento de padrões e aprendizado de máquina. Esses campos passaram por um desenvolvimento substancial na última década, com métodos bayesianos transitando de uma área de nicho para aplicação mainstream. O livro aborda o surgimento de modelos gráficos como uma estrutura para modelos probabilísticos e discute a aplicabilidade prática dos métodos bayesianos aprimorados por algoritmos de inferência aproximada, como Bayes variacional e propagação de expectativa.
Ler mais
O livro didático também explora novos modelos baseados em núcleos, que impactaram significativamente algoritmos e aplicações. É direcionado a alunos de graduação avançados ou estudantes de doutorado de primeiro ano, bem como a pesquisadores e profissionais. O livro não pressupõe conhecimento prévio de conceitos de reconhecimento de padrões ou aprendizado de máquina, mas requer familiaridade com cálculo multivariado e álgebra linear básica. Uma introdução autossuficiente à teoria básica da probabilidade está incluída, tornando-o acessível àqueles com conhecimento limitado em probabilidade.
Reconhecimento de Padrões e Aprendizado de Máquina serve como um recurso valioso para entender os desenvolvimentos recentes nesses campos. Ele fornece insights sobre a integração das perspectivas de engenharia e ciência da computação, destacando as duas facetas do reconhecimento de padrões e aprendizado de máquina. O livro didático é publicado pela Springer Nature e está disponível para compra ou empréstimo através de sua plataforma.
- CategoriaOutras ferramentas de IA
Detalhes do livro
Introdução abrangente ao reconhecimento de padrões
Cobre desenvolvimentos em aprendizado de máquina
Foco em métodos bayesianos
Inclui estrutura de modelos gráficos
Discute modelos baseados em núcleos
Projetado para alunos de graduação avançados e estudantes de doutorado
Requer conhecimento de cálculo e álgebra linear
Introdução autossuficiente à teoria da probabilidade
Para quem é este livro
- Estudo acadêmico
- Referência de pesquisa
- Desenvolvimento profissional
- Desenvolvimento de algoritmos
- Aplicação de métodos bayesianos
